# Tự động hóa quy trình bằng AI: khi nào cần AI, khi nào quy tắc đủ

> Phân biệt bước cần AI và bước chỉ cần quy tắc trong một luồng tự động, cách đặt người duyệt và đo tỷ lệ sai hằng tuần.

Tự động hóa quy trình bằng AI chỉ cần ở những bước mà quy tắc cứng không viết được: đọc chữ tự do, phân loại theo ý nghĩa, tóm tắt. Các bước còn lại như lấy dữ liệu, lọc theo ngưỡng, gửi thông báo nên để quy tắc làm, vì rẻ và không sai ngẫu nhiên. Bước nào có AI thì phải có người duyệt và có số đo sai.

Nếu bạn chưa chốt quy trình nào đáng tự động hóa, hãy đọc trước bài trụ [tự động hóa quy trình kinh doanh](/blog/tu-dong-hoa-quy-trinh-kinh-doanh). Bài này đi tiếp một bước: chỗ đặt AI trong luồng đã chốt.

## Khi nào quy tắc cứng là đủ, khi nào cần AI?

Quy tắc cứng đủ khi đầu vào là số, mã, trạng thái có sẵn trong hệ thống. AI cần khi đầu vào là chữ do con người viết, mỗi người viết một kiểu. Một câu hỏi để thử: bạn có viết được điều kiện bằng "nếu… thì…" mà đúng với 95% trường hợp không? Viết được thì không cần AI.

| Bước trong luồng | Đầu vào | Nên dùng |
|---|---|---|
| Lấy đơn hôm qua từ sàn | Dữ liệu có cấu trúc | Quy tắc |
| Lọc đơn giá trị trên một ngưỡng | Con số | Quy tắc |
| Báo khi tồn kho dưới mức an toàn | Con số | Quy tắc |
| Gom lý do hoàn hàng khách tự gõ | Chữ tự do | AI |
| Phân loại tin nhắn: hỏi size, khiếu nại, hỏi giao hàng | Chữ tự do | AI |
| Tóm tắt 50 đánh giá xấu thành 5 dòng | Chữ tự do | AI |

Lỗi hay gặp là dùng AI cho bước quy tắc làm được. Ví dụ hỏi AI "đơn nào trên 1 triệu". Kết quả chậm hơn, tốn tiền hơn, và thỉnh thoảng sai, trong khi một node lọc làm đúng tuyệt đối.

## AI trong luồng tự động gây ra những rủi ro nào?

Rủi ro lớn nhất là AI sai một cách tự tin và không ai thấy. Quy tắc sai thì sai đều, dễ phát hiện. AI sai rải rác, mỗi lần một kiểu, và câu trả lời trông vẫn rất hợp lý.

Ba rủi ro cụ thể:

- **Phân loại nhầm âm thầm.** Tin khiếu nại bị xếp vào "hỏi thông tin", không ai gọi lại khách.
- **Bịa chi tiết.** Bản tóm tắt nhắc một mã sản phẩm không có trong dữ liệu.
- **Lộ dữ liệu.** Luồng gửi nguyên tên, số điện thoại khách sang dịch vụ AI bên ngoài.

Rủi ro thứ ba chặn bằng một bước che dữ liệu đặt trước node AI: bỏ cột tên, số điện thoại, địa chỉ. Hai rủi ro đầu chặn bằng người duyệt và số đo, trình bày ở các mục dưới.

## Đặt node AI trong n8n thế nào cho an toàn?

Đặt AI ở giữa luồng, kẹp hai bên bằng quy tắc. Trước AI là bước lọc và che dữ liệu. Sau AI là bước kiểm định dạng và rẽ nhánh theo mức chắc chắn. n8n có sẵn nhóm node AI cho việc này, mô tả trong [tài liệu AI của n8n](https://docs.n8n.io/advanced-ai/).

Khung một luồng phân loại tin nhắn khách:

1. **Trigger theo lịch**: mỗi 30 phút lấy tin nhắn mới.
2. **Quy tắc**: bỏ tin rỗng, tin chỉ có sticker, tin của nhân viên.
3. **Che dữ liệu**: xóa số điện thoại, địa chỉ trong nội dung.
4. **Node AI**: phân loại, bắt buộc trả JSON có trường nhãn và mức chắc chắn.
5. **Kiểm định dạng**: JSON hỏng hoặc nhãn lạ thì chuyển sang nhánh "người xem".
6. **Rẽ nhánh**: nhãn "khiếu nại" luôn sang người duyệt; nhãn khác ghi vào bảng.

Mẫu yêu cầu cho node AI ở bước 4:

```
Phân loại tin nhắn khách dưới đây vào đúng MỘT nhãn:
hoi_size, hoi_giao_hang, khieu_nai, hoi_gia, khac.
Trả về JSON: {"nhan": "...", "chac_chan": "cao|thap", "trich": "..."}
- "trich" là nguyên văn cụm từ khiến bạn chọn nhãn.
- Nếu tin có ý phàn nàn, dù lịch sự, chọn khieu_nai.
- Không chắc thì chọn khac và chac_chan = thap.
Tin nhắn: {{noi_dung}}
```

Trường "trich" giúp người duyệt kiểm nhanh mà không phải đọc lại cả tin. Nhãn "khac" là lối thoát cho AI, thay vì ép nó đoán. Nếu bạn mới làm quen n8n, đọc trước bài [n8n cho doanh nghiệp](/blog/n8n-cho-doanh-nghiep).

## Người duyệt nên đứng ở bước nào?

Người duyệt đứng ở bước trước hành động có hậu quả với khách hoặc với tiền. Ghi vào bảng nội bộ thì không cần duyệt từng dòng. Gửi tin cho khách, hoàn tiền, đổi giá thì phải duyệt.

| Hành động sau AI | Hậu quả nếu sai | Người duyệt |
|---|---|---|
| Ghi nhãn vào bảng thống kê | Thấp, sửa được | Kiểm mẫu hằng tuần |
| Báo trưởng nhóm qua chat nội bộ | Trung bình | Không cần, người nhận tự đọc |
| Gửi tin trả lời khách | Cao | Duyệt từng tin |
| Đề xuất hoàn tiền, đổi hàng | Cao, mất tiền | Duyệt từng việc |

Nguyên tắc chung: AI đề xuất, người quyết. Khi tỷ lệ sai đủ thấp trong nhiều tuần, có thể nới duyệt từng việc thành duyệt mẫu, nhưng chỉ với hành động có hậu quả thấp.

## Đo tỷ lệ sai của bước AI thế nào?

Lấy mẫu ngẫu nhiên mỗi tuần và cho người gán nhãn lại, rồi so với AI. Không có số này thì bạn không biết luồng đang chạy đúng hay chỉ đang chạy.

Ví dụ minh họa: mỗi tuần lấy 50 tin đã phân loại. Người kiểm thấy AI đúng 44 tin, tức tỷ lệ đúng 88%. Trong 6 tin sai có 2 tin khiếu nại bị xếp nhầm. Hai tin này quan trọng hơn con số 88%, vì đó là khách đang giận mà không ai gọi.

Ba số nên ghi mỗi tuần:

- Tỷ lệ đúng trên mẫu ngẫu nhiên.
- Số tin khiếu nại bị bỏ sót, theo dõi riêng.
- Tỷ lệ rơi vào nhãn "khac". Tăng đột ngột thường là có loại tin mới mà mẫu yêu cầu chưa tính tới.

Khi tỷ lệ đúng giảm, sửa mẫu yêu cầu trước, đổi mô hình sau. Phần lớn lỗi nằm ở mô tả nhãn mơ hồ. Cách đọc lý do hoàn hàng bằng AI có ví dụ đo tương tự trong bài [AI gom lý do hoàn hàng](/blog/ai-gom-ly-do-hoan-hang).

## Một bài toán – Hai sức mạnh – Một kết quả: khiếu nại bị trôi

**Bài toán thực tế.** Ví dụ minh họa: fanpage nhận vài trăm tin mỗi ngày. Tin khiếu nại lẫn trong tin hỏi size, có khi hai ngày sau mới có người trả lời.

**Tư duy dẫn đường.** Không cần AI trả lời khách. Cần AI tách đúng loại tin để người phụ trách thấy khiếu nại trước. Quy tắc lo phần lấy tin, che dữ liệu và báo động. AI chỉ lo phân loại.

**AI bứt tốc.** Luồng n8n như trên, nhánh "khiếu nại" báo ngay vào nhóm chat chăm sóc khách. Dữ liệu đơn để đối chiếu có thể lấy qua [API Partner của Quantri360](https://partner.quantri360.com/sources) nếu bạn tự dựng luồng.

**Kết quả cần đo lường.** Thời gian từ lúc khách gửi khiếu nại tới lúc có người trả lời. Số khiếu nại bị bỏ sót trên mẫu tuần. Giờ công đọc tin mỗi ngày. Với cảnh báo về số liệu bán hàng thay vì tin nhắn, xem bài [cảnh báo bất thường bán hàng](/blog/canh-bao-bat-thuong-ban-hang).

## Tóm lại

- Viết được "nếu… thì…" đúng phần lớn trường hợp thì dùng quy tắc, không dùng AI.
- Kẹp node AI giữa hai bước quy tắc: lọc và che dữ liệu trước, kiểm định dạng sau.
- Bắt AI trả JSON có nhãn, mức chắc chắn, câu trích; luôn có nhãn "khác".
- Người duyệt đứng trước mọi hành động chạm tới khách hoặc tiền.
- Đo tỷ lệ đúng trên mẫu ngẫu nhiên mỗi tuần; so sánh công cụ dựng luồng ở bài [Zapier, Make hay n8n](/blog/so-sanh-zapier-make-n8n).

---
Source: https://quantri360.com/blog/tu-dong-hoa-quy-trinh-bang-ai · Quantri360